
Come un modello di apprendimento automatico sceglie il prossimo lotto di geni in uno screening CRISPR
Chi lavora sullo screening di migliaia di geni si scontra spesso con un dilemma costoso: quali geni non ancora analizzati inserire nel prossimo lotto? Un nuovo metodo di apprendimento automatico combina un modello linguistico general-purpose con una policy specializzata che apprende dai risultati positivi (hit) passati, dalle descrizioni degli screen e dal feedback del laboratorio raccolto turno per turno. L’obiettivo è trasformare i dati sperimentali rumorosi in previsioni più affidabili su cosa testare successivamente, mantenendo le scelte ancorate alla biologia nota.



